导航
AI BENCHY
AD
Track all your projects in one dashboard. Get 📊stats, 🔥heatmaps and 👀recordings in one self-hosted dashboard.
uxwizz.com

AI BENCHY 对比

OpenAI: GPT-5.5 vs Z.ai: GLM 5.2

摘要

GPT-5.5 vs GLM 5.2 benchmark 对比：GPT-5.5 平均分领先，为 9.3 vs 8.7。 GLM 5.2 benchmark 成本更低，为 $0.324 vs $0.907。 GPT-5.5 更快，为 9.76s vs 23.28s，通过率为 85.7% vs 84.1%。

推荐模型: GPT-5.5 - 它在这里得分最高（9.3），同时响应速度比GLM 5.2快约 2.4 倍。

基准结果生成自 AI BENCHY 测试套件，时间：: 2026-06-17

指标 GPT-5.5 GPT-5.5 low 发布日期: 2026-04-24 GLM 5.2 GLM 5.2 medium 发布日期: 2026-06-17
分数 9.3 8.7
排名 #4 #14
可靠性 10.0 9.5
一致性 10.0 8.4
测试正确
尝试通过率 85.7% 84.1%
不稳定测试 0 4
总运行次数 63 63
每个结果成本 5.035 2.159
总成本 $0.907 $0.324
输入价格 $5.000 / 1M $1.400 / 1M
输出价格 $30.000 / 1M $4.400 / 1M
总输入令牌 34,209 37,199
输出令牌 2,046 12,261
推理令牌 22,460 49,500
响应时间（平均） 9.76s 23.28s
响应时间（最大） 56.19s 101.36s
响应时间（总计） 204.92s 488.94s

Generation showcase

Hamster playing table tennis

Prompt: Create a detailed SVG illustration of a hamster playing table tennis.

#4 GPT-5.5

low
Cost
$0.068
Time
37.0s
Tokens
2,339 tok

#14 GLM 5.2

medium
Cost
$0.041
Time
195.8s
Tokens
9,287 tok

按分数排名的模型

分数 vs 总成本

响应时间（平均）

分数 vs 响应时间（平均）

总输出令牌

分数 vs 总输出令牌

类别细分

反AI技巧 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 4.41s 606 238 1,020
GLM 5.2 10.0 10.0 100.0% 0 5.89s 639 497 2,634
编程 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 15.04s 7,302 423 6,402
GLM 5.2 8.2 7.2 88.9% 1 40.96s 7,317 1,475 17,123
综合 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 9.56s 11,019 303 717
GLM 5.2 10.0 10.0 100.0% 0 51.96s 12,696 458 4,531
数据解析与提取 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 3.28s 7,140 228 157
GLM 5.2 10.0 10.0 100.0% 0 13.44s 7,149 348 2,345
领域专项 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 5.3 10.0 33.3% 0 28.05s 723 69 11,609
GLM 5.2 4.1 4.4 44.5% 2 45.47s 551 8,188 11,606
通用智能 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 5.17s 477 133 245
GLM 5.2 10.0 10.0 100.0% 0 17.39s 498 54 1,842
指令遵循 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 9.9 10.0 100.0% 0 3.74s 660 93 415
GLM 5.2 9.9 10.0 100.0% 0 7.90s 678 94 1,518
谜题求解 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 4.74s 642 279 954
GLM 5.2 8.2 7.2 88.9% 1 13.13s 672 536 4,822
工具调用 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 10.0 10.0 100.0% 0 4.96s 5,445 250 101
GLM 5.2 10.0 10.0 100.0% 0 20.41s 6,861 230 550
常识问答 分数 一致性 尝试通过率 不稳定测试 测试正确 响应时间（平均） 输入令牌 输出令牌 推理令牌
GPT-5.5 3.0 10.0 0.0% 0 10.06s 195 30 840
GLM 5.2 3.0 10.0 0.0% 0 34.25s 138 381 2,529

快速对比

切换对比组合

GPT-5.5lowvsQwen3.7 MaxmediumClaude Fable 5mediumvsGPT-5.5lowGemini 3.1 Pro PreviewmediumvsGPT-5.5lowGPT-5.2 ChatnonevsGLM 5.2mediumGemini 3.5 FlashmediumvsGPT-5.5lowGemini 3 Flash PreviewmediumvsGPT-5.5lowDeepSeek V4 FlashhighvsGLM 5.2mediumGPT-5.5lowvsQwen3.6 Max PreviewmediumClaude Opus 4.8mediumvsGPT-5.5lowGemini 3.5 FlashhighvsGPT-5.5lowGemini 3.5 FlashlowvsGLM 5.2mediumClaude Opus 4.7mediumvsGPT-5.5low